Rangkaian sinapsis tiruan yang tersusun sendiri mengingati pengalaman mereka dan dapat menyelesaikan masalah sederhana. Penciptanya berharap suatu hari nanti, berdasarkan otak tiruan ini, alat-alat akan diciptakan agar kecekapan energinya tidak kalah dengan kekuatan pengkomputeran otak. Secara umum, otak, jika kita menghilangkan pencapaian mereka dalam berfikir dan menyelesaikan masalah, sempurna dalam kecekapan tenaganya. Otak memerlukan jumlah tenaga yang sama untuk berfungsi dengan menyerap lampu pijar 20 watt. Dan salah satu superkomputer paling kuat dan terpantas di dunia, Computer K di Kobe, Jepun, menggunakan kuasa sehingga 9.89 megawatt - hampir sama dengan 10.000 rumah. Tetapi pada tahun 2013, walaupun dengan tenaga ini, mesin memerlukan masa 40 minit untuk mensimulasikan 1% aktiviti otak manusia dalam 1 saat.
Oleh itu, jurutera penyelidikan di NanoSystems Institute of California di University of California, Los Angeles berharap dapat bersaing dengan kemampuan komputer dan kecekapan tenaga otak, berkat sistem yang mencerminkan struktur otak. Mereka membuat peranti, mungkin yang pertama seumpamanya, yang "diilhamkan oleh otak untuk menghasilkan sifat yang membolehkan otak melakukan apa yang dilakukannya," kata Adam Stig, seorang penyelidik dan profesor bersekutu di institut yang mengetuai projek itu dengan Jim Gimrzewski, profesor kimia di University of California. Di Los Angeles.
Reka bentuk mereka sama sekali tidak seperti komputer biasa, yang didasarkan pada wayar kecil yang dicetak pada litar mikro silikon dalam litar yang sangat teratur. Versi eksperimen semasa ialah grid 2 x 2 mm nanowire perak yang dihubungkan oleh sinaps buatan. Tidak seperti litar silikon dengan ketepatan geometri, peranti ini ditenun seperti "hidangan spageti yang diadun dengan baik," kata Stig. Lebih-lebih lagi, struktur halusnya disusun dari proses kimia dan elektrik secara rawak, dan tidak dirancang dengan teliti.
Dalam kerumitannya, web perak ini menyerupai otak. Terdapat satu bilion sinaps tiruan per sentimeter persegi grid, yang merupakan beberapa urutan besarnya berbeza dengan otak sebenar. Kegiatan elektrik rangkaian juga memperlihatkan sifat unik untuk sistem yang kompleks seperti otak: "kritikal," keadaan antara ketertiban dan kekacauan yang menunjukkan kecekapan maksimum.
Rangkaian nanowires yang sangat terjalin ini mungkin kelihatan kacau-bilau dan rawak, tetapi struktur dan tingkah lakunya menyerupai neuron di otak. Para saintis di NanoSystems mengembangkannya sebagai alat otak untuk belajar dan mengira.
Lebih-lebih lagi, eksperimen awal menunjukkan bahawa wire mesh perak neuromorfik (seperti otak) seperti ini mempunyai potensi fungsi yang besar. Dia sudah dapat melakukan operasi pendidikan dan logik yang sederhana. Ia dapat mengeluarkan bunyi yang tidak diingini dari isyarat yang diterima, kemampuan penting untuk pengecaman suara dan tugas serupa yang menimbulkan masalah pada komputer tradisional. Dan keberadaannya membuktikan prinsip bahawa suatu hari akan mungkin untuk membuat peranti dengan kecekapan tenaga yang hampir dengan otak.
Kelebihan ini sangat ingin tahu dengan latar belakang had miniaturisasi dan kecekapan mikropemproses silikon. "Undang-undang Moore sudah mati, semikonduktor tidak lagi dapat menjadi lebih kecil, dan orang mula meratap tentang apa yang harus dilakukan," kata Alex Nugent, Ketua Pegawai Eksekutif Knowm, sebuah syarikat pengkomputeran neuromorfik yang tidak terlibat dalam projek UCLA. "Saya suka idea ini, arah ini. Platform pengkomputeran konvensional adalah satu bilion kali kurang cekap."
Video promosi:
Tukar sebagai sinaps
Ketika Gimrzewski mula mengerjakan projek grid peraknya 10 tahun yang lalu, dia sama sekali tidak berminat dengan kecekapan tenaga. Dia berasa bosan. Setelah menggunakan mikroskop terowong pengimbasan untuk mempelajari elektronik pada skala atom selama 20 tahun, dia akhirnya berkata, "Saya bosan dengan kesempurnaan dan kawalan yang tepat dan sedikit bosan dengan reduksionisme."
Reduksionisme, harus diasumsikan, mendasari semua mikropemproses moden, apabila fenomena dan litar kompleks dapat dijelaskan dengan menggunakan fenomena dan elemen sederhana.
Pada tahun 2007, dia diminta untuk mengkaji suis atom individu (atau suis) yang dikembangkan oleh kumpulan Masakazu Aono dari Pusat Antarabangsa Bahan untuk Nanoarkitectonik di Tsukuba, Jepun. Suis ini mengandungi bahan yang sama yang menjadikan sudu perak menjadi hitam ketika menyentuh telur: besi sulfida yang terjepit di antara perak logam keras.
Menerapkan voltan ke peranti mendorong ion perak bermuatan positif dalam sulfida perak ke arah lapisan katod perak, di mana ia diturunkan menjadi perak logam. Filamen perak atom tumbuh, akhirnya menutup jurang antara sisi perak logam. Suis dihidupkan dan arus boleh mengalir. Membalikkan arus mempunyai kesan sebaliknya: jambatan perak dipendekkan dan suis dimatikan.
Namun, tidak lama selepas mengembangkan peralihan, kumpulan Aono mula memerhatikan tingkah laku yang tidak biasa. Semakin kerap suis digunakan, semakin mudah untuk menghidupkannya. Sekiranya tidak digunakan untuk beberapa waktu, secara beransur-ansur dimatikan sendiri. Pada dasarnya, peralihan itu mengingati sejarahnya. Aono dan rakan-rakannya juga mendapati bahawa suis kelihatan saling berinteraksi antara satu sama lain, sehingga menghidupkan satu suis kadang-kadang akan menyekat atau mematikan yang lain di dekatnya.
Majoriti dalam kumpulan Aono ingin membina sifat aneh ini di luar suis. Tetapi Gimrzewski dan Stig (yang baru saja menyelesaikan PhD dalam kumpulan Gimrzewski) ingat sinapsis, pertukaran antara sel saraf di otak manusia, yang juga mengubah hubungan dengan pengalaman dan interaksi. Oleh itu idea itu lahir. "Kami berfikir, mengapa tidak mencoba menerjemahkan semua ini ke dalam struktur yang menyerupai korteks serebral mamalia dan mempelajarinya?" Kata Stig.
Membina struktur yang begitu rumit pastinya sukar, tetapi Stig dan Odrius Avicenis, yang baru saja bergabung dengan kumpulan itu sebagai pelajar siswazah, mengembangkan protokol untuk ini. Dengan menuangkan perak nitrat ke sfera tembaga kecil, ia boleh menyebabkan wayar perak yang bersilang tipis dan mikroskopik tumbuh. Mereka kemudian dapat mengepam gas sulfur melalui grid ini untuk membuat lapisan sulfida keperakan di antara kabel perak, seperti pada suis atom pasukan Aono yang asal.
Kritikan yang diatur sendiri
Ketika Gimzewski dan Stig memberitahu orang lain mengenai projek mereka, tidak ada yang percaya ia akan berjaya. Ada yang mengatakan bahawa peranti tersebut akan menunjukkan satu jenis aktiviti statik dan menggunakannya, kata Stig. Yang lain mencadangkan sebaliknya: "Mereka mengatakan bahawa suis akan berlanjutan dan keseluruhan struktur akan habis," kata Gimzewski.
Tetapi peranti tidak cair. Sebaliknya, ketika Gimzewski dan Stig memerhatikannya melalui kamera inframerah, arus input terus mengubah jalan yang diambilnya melalui perangkat - membuktikan bahawa aktiviti di rangkaian tidak dilokalisasi, melainkan disebarkan, seperti di otak.
Suatu hari jatuh pada tahun 2010, ketika Avicenis dan rakannya Henry Sillin meningkatkan voltan input ke peranti, mereka tiba-tiba menyedari bahawa voltan keluaran mula bergetar secara rawak, seolah-olah wire mesh telah hidup. "Kami duduk dan melihatnya, kami terkejut," kata Sillin.
Mereka menduga bahawa mereka telah menemui sesuatu yang menarik. Ketika Avicenis menganalisis data pemantauan selama beberapa hari, dia mendapati bahawa rangkaian tetap berada pada tahap aktiviti yang sama untuk jangka pendek lebih kerap daripada untuk jangka masa panjang. Mereka kemudian mendapati bahawa kawasan aktiviti kecil lebih biasa daripada yang besar.
"Rahang saya jatuh," kata Avicenis, kerana ini pertama kalinya mereka mempelajari undang-undang kuasa dari peranti mereka. Undang-undang kuasa menerangkan hubungan matematik di mana satu pemboleh ubah berubah sebagai kekuatan yang lain. Mereka berlaku untuk sistem di mana skala yang lebih besar, peristiwa yang lebih panjang kurang biasa daripada yang lebih kecil dan lebih pendek, tetapi berleluasa dan bukan secara tidak sengaja. Per Bac, seorang ahli fizik Denmark yang meninggal pada tahun 2002, pertama kali mencadangkan undang-undang kuasa sebagai ciri khas semua jenis sistem dinamik yang kompleks yang dapat disusun dalam skala besar dan jarak jauh. Tingkah laku ini, katanya, menunjukkan bahawa sistem yang kompleks menyeimbangkan dan berfungsi di tengah-tengah antara ketertiban dan kekacauan, dalam keadaan "kritikal", dan semua bahagiannya berinteraksi dan saling berhubungan untuk kecekapan maksimum.
Seperti yang diramalkan oleh Buck, tingkah laku undang-undang kuasa diperhatikan di otak manusia: pada tahun 2003, Dietmar Plentz, seorang pakar neurofisiologi di Institut Kesihatan Nasional, memerhatikan bahawa kumpulan sel saraf mengaktifkan yang lain, yang pada gilirannya mengaktifkan yang lain, sering mencetuskan aliran aktivasi sistemik. Plenz mendapati bahawa ukuran lata ini mengikut taburan undang-undang kuasa, dan otak bertindak sedemikian rupa untuk memaksimumkan penyebaran aktiviti tanpa berisiko kehilangan kawalan penyebarannya.
Fakta bahawa peranti University of California juga menunjukkan undang-undang kuasa dalam tindakan sangat penting, kata Plentz. Kerana ia mengikuti, seperti di otak, ia memiliki keseimbangan halus antara pengaktifan dan penghambatan, yang membuat jumlah bahagiannya tetap berfungsi. Kegiatan itu tidak menekan set, tetapi juga tidak berhenti.
Kemudian, Gimzewski dan Stig menemui satu lagi persamaan antara rangkaian perak dan otak: Sama seperti otak manusia yang tidur menunjukkan sedikit pengaktifan pendek daripada otak yang bangun, keadaan pengaktifan pendek dalam rangkaian perak menjadi kurang biasa pada tenaga input yang lebih rendah. Dalam beberapa cara, pengurangan penggunaan kuasa peranti dapat mewujudkan keadaan yang menyerupai keadaan otak manusia yang tidak aktif.
Pembelajaran dan pengkomputeran
Dan inilah persoalannya: jika rangkaian wayar perak mempunyai sifat seperti otak, dapatkah ia menyelesaikan masalah komputasi? Percubaan awal telah menunjukkan bahawa jawapannya adalah ya, walaupun peranti ini, tentu saja, tidak dapat dibandingkan dengan komputer biasa.
Pertama, tidak ada perisian. Sebaliknya, para penyelidik memanfaatkan fakta bahawa rangkaian dapat memutarbelitkan isyarat masuk dengan cara yang berbeza, bergantung pada tempat output diukur. Ini menawarkan kemungkinan penggunaan untuk pengecaman suara atau gambar, kerana peranti mesti dapat membersihkan isyarat input yang bising.
Ini juga menunjukkan bahawa peranti ini dapat digunakan untuk pengiraan takungan yang disebut. Oleh kerana satu input dapat, pada prinsipnya, menghasilkan banyak, jutaan output yang berbeza (oleh itu reservoir), pengguna dapat memilih atau menggabungkan output sehingga hasilnya adalah pengiraan input yang diinginkan. Sebagai contoh, jika anda merangsang peranti di dua lokasi yang berbeza pada masa yang sama, ada kemungkinan satu daripada berjuta-juta output yang berlainan akan mewakili jumlah kedua input tersebut.
Cabarannya adalah untuk mencari kesimpulan yang tepat dan menyahkodnya, dan mencari cara terbaik untuk menyandikan maklumat sehingga rangkaian dapat memahaminya. Ini dapat dilakukan dengan melatih peranti: dengan menjalankan tugas beratus-ratus atau ribuan kali, pertama dengan satu jenis input, kemudian dengan yang lain, dan membandingkan output mana yang mengatasi tugas dengan lebih baik. "Kami tidak memprogram perangkat, tetapi kami memilih cara terbaik untuk menyandikan maklumat sehingga tingkah laku rangkaian berguna dan menarik," kata Gimrzewski.
Dalam karya yang akan diterbitkan tidak lama lagi, para saintis akan menjelaskan bagaimana mereka melatih rangkaian wayar untuk melakukan operasi logik yang sederhana. Dan dalam eksperimen yang tidak diterbitkan, mereka melatih rangkaian untuk menyelesaikan masalah ingatan sederhana yang biasanya diberikan kepada tikus (labirin T). Dalam ujian T-labirin, tikus diberi penghargaan jika membuat giliran yang betul sebagai tindak balas kepada cahaya. Dengan versi sendiri untuk latihan, rangkaian dapat membuat pilihan yang tepat 94% sepanjang masa.
Sejauh ini, hasil ini tidak lebih daripada bukti prinsip, kata Nugent. "Tikus kecil yang membuat keputusan dalam labirin T tidak pernah mendekati sesuatu dalam pembelajaran mesin yang dapat menilai sistemnya," pada komputer tradisional, katanya. Dia ragu-ragu bahawa peranti itu boleh berubah menjadi cip berguna dalam beberapa tahun ke depan.
Tetapi potensinya sangat besar, tegasnya. Kerana rangkaian, seperti otak, tidak memisahkan pemprosesan dan memori. Komputer tradisional perlu memindahkan maklumat antara domain yang berbeza yang mengendalikan kedua fungsi ini. "Semua komunikasi tambahan ini dibina kerana kabel memerlukan kuasa," kata Nugent. Dengan menggunakan komputer tradisional, anda harus mematikan Perancis untuk mensimulasikan otak manusia yang lengkap dengan resolusi yang baik. Sekiranya peranti seperti Rangkaian Perak dapat menyelesaikan masalah dengan kecekapan algoritma pembelajaran mesin yang berjalan di komputer tradisional, mereka dapat menggunakan tenaga yang bernilai satu bilion kali lebih sedikit. Dan perkara itu kecil.
Penemuan saintis juga menyokong anggapan bahawa, dalam keadaan yang tepat, sistem pintar dapat dibentuk oleh organisasi diri tanpa templat atau proses untuk pengembangannya. Jaringan Perak "muncul secara spontan," kata Todd Hilton, bekas pengurus DARPA yang menyokong projek itu sejak awal.
Gimrzewski percaya bahawa rangkaian wayar perak atau peranti serupa dapat lebih baik daripada komputer tradisional ketika meramalkan proses yang kompleks. Komputer tradisional memodelkan dunia dengan persamaan yang sering menggambarkan fenomena kompleks hanya kira-kira. Rangkaian neuromorfik suis atom menyelaraskan kerumitan struktur intrinsik mereka sendiri dengan fenomena yang mereka simulasi. Dan mereka juga melakukannya dengan cepat - keadaan rangkaian boleh berubah-ubah pada kadar hingga puluhan ribu perubahan sesaat. "Kami menggunakan sistem yang kompleks untuk memahami fenomena yang kompleks," kata Gimrzewski.
Awal tahun ini, dalam pertemuan Persatuan Kimia Amerika di San Francisco, Gimzewski, Stig dan rakan-rakan mereka membentangkan hasil eksperimen di mana mereka memberi makan pada peranti ini tiga tahun pertama dari set data lalu lintas enam tahun Los Angeles dalam satu siri denyutan yang menunjukkan bilangan kereta lulus sejam. Setelah beratus-ratus jam latihan, output akhirnya meramalkan trend statistik pada separuh kedua dataset, dan cukup baik, walaupun tidak ditunjukkan ke peranti.
Mungkin suatu hari, Gimrzewski bergurau, dia menggunakan rangkaian untuk meramalkan pasaran saham.
Ilya Khel
